DE
Gespräch buchen

Lokale KI · Rezept · 1× DGX Spark

Nemotron-3.5-Bolt 74B-A9B 24GB-Pack mit TensorFold auf 1× DGX Spark

Nemotron-3.5-Bolt 74B-A9B 24GB-Pack mit TensorFold auf 1× DGX Spark: 71,8 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von MiaAI-Lab

71,8tok/sAlltag

1 Anfrage, Prosa-Prompt (gesampelt, Thinking aus), mit LiLiCorr (laut Rezept)

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysiskein unabhängiger Wert

≤ 3 bit: Quantisierung kann Qualität kosten

Installieren: Nemotron-3.5-Bolt 74B-A9B 24GB-Pack mit TensorFold auf 1× DGX Spark

Befehl
git clone https://github.com/MiaAI-Lab/Nemotron-3.5-Bolt-TensorFold-DGX-Spark.git && cd Nemotron-3.5-Bolt-TensorFold-DGX-Spark && ./start.sh

Vollständige Anleitung im README Repo

Engine

Engine
TensorFold tensorfold-native v1.1.6 (eea9dc9c) + recipe patches/ (Bolt lane backend, libbolt.so CUDA forward pass), LiLiCorr drafts
Quantisierung
24GB pack: IQ2_XXS experts (2.0625 bits), NVFP4 Mamba projections, Q8_0 attention/latent projections/lm_head; bf16 KV
Modellfamilie
Nemotron-3.5-Bolt-74B-A9B
Kontext
262.144
Parameter
74B MoE / 9B aktiv
Kreator
MiaAI-Lab
GitHub-Sterne
11
Repo-Stand
1. Nov. 2026

Messwerte

Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.

Decode · 1 Anfrage

  • Alltag (Decode)71,8 tok/sProsa, gesampelt (Temperatur 1,0, top_p 0,95, seeded), Thinking aus, 1 Client, 256 Tokens, Median aus 3 Läufen, TensorFold bench_concurrent.py, 2026-10-27, LiLiCorr-Drafts; TTFT 50–60 ms. Greedy: 73,8 Quelle 
  • Spitze (Decode)137 tok/sCode, greedy, 1 Client (gesampelt 136,1); Aggregat bei 16 Clients greedy: 506,8 Quelle 

Prefill je Kontext

  • 21K2.485 tok/sFrischer Random-Word-Prompt, max_tokens 1 (Prompt-Cache greift nicht), NV4_FP4=1 (Default); Tabelle: 2.485 bis 2.486 tok/s, TTFT 8,4 s; 126k: 1.969 tok/s Quelle 

Was brauche ich

Hardware
1 × NVIDIA DGX Spark (GB10)
Engine
TensorFold tensorfold-native v1.1.6 (eea9dc9c) + recipe patches/ (Bolt lane backend, libbolt.so CUDA forward pass), LiLiCorr drafts
Kontext
262.144 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

  • ≤ 3 bit: Quantisierung kann Qualität kostenBei 3 bit und weniger kann das Modell spürbar schlechter antworten als das Original. Die Intelligenz-Zahl gilt für das Original.
  • Eigener Kernel nötig
  • vision
  • tool-calling
  • Lizenz ungeklärt

Quellen

Verwandte Rezepte

1× DGX Spark

Nemotron 3.5 Bolt 74B-A9B IQ2 mit vLLM auf 1× DGX Spark

von vcruz305

87,8tok/sSpitze

1 Anfrage, synthetischer Prompt, mit LiLiCorr/DFlash (laut Rezept) Quelle 

Intelligenzkein unabhängiger Wert
  • ≤ 3 bit: Quantisierung kann Qualität kosten
  • Lizenz ungeklärt

ModelOpt IQ2 gemischt (IQ2_XXS + ausgewählte Q8_0/NVFP4/unquantisierte Tensoren, 24 GB), FP8-KV; Draft LiLiCorr NVFP4 (DFlash, 7 Tokens)vLLM 0.32.0rc1.dev100+g77154ca61 (Wheel-Commit 77154ca6) + b12x 1.5.1, FlashInfer-AttentionGewichte Repo Stand 16. Okt. 2026

Details
1× DGX Spark

MiniCPM-V-4.7-35B-A3B EXL3 6.08 bpw mit ExLlamaV3 auf 1× DGX Spark (Text, 262k Kontext)

von r0b0tlab

59,4tok/sAlltag

1 Anfrage, Chat-Prompt (20 Prompts, Thinking aus), ohne Drafting (Standardprofil) Quelle 

Intelligenzkein unabhängiger Wert
  • Eigener Kernel nötig

EXL3 6.08 bpw (28,3 GB), FP16 KV; nur Textpfad (Vision-Tower wird von ExLlamaV3 nicht ausgeführt)ExLlamaV3 1.5.0 (Fork r0b0tlab/exllamav3-r0b0t, Branch minicpm-v4.7-dspark @ 5ddae7d12448), torch 2.14.0+cu130Gewichte Repo Stand 14. Okt. 2026

Details
1× DGX Spark

Qwen3.8-Flash-Next NVFP4 (NVIDIA QAD, FP4-Local) mit TensorFold auf 1× DGX Spark

von MiaAI-Lab

55,6tok/sAlltag

1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle 

Intelligenz40mit Denken
  • Eigener Kernel nötig
  • Lizenz ungeklärt

NVIDIA FP4-QAD-Export (FP4-Local @b9ce18a6): Routed Experts NVFP4 (Gruppe 16), Attention/Shared Expert MXFP8, alle 512 Experten mit 10 pro Token; n-gram-Tabelle per pread von der SSD; FP8 KVTensorFold tensorfold-native (Zig) v1.1.4 (eab85828) + Patches 0001–0017, Image tensorfold-qwen38:v1.1.4-eab8582 (GHCR v1.1.4-eab8582-4baf16137ecd) auf nvcr.io/nvidia/pytorch:26.07-py3, MTP-DraftsGewichte Repo Stand 30. Okt. 2026

Details

← Zur Übersicht

Lokale KI im eigenen Unternehmen?

Im Workshop klären wir, welche Modelle und welche Hardware zu Ihren Aufgaben passen, und bauen den ersten Agenten auf Ihrer Infrastruktur.

Zum KI-WorkshopZur Übersicht
Cookies

Mit Ihrer Einwilligung nutzen wir Google Analytics (Google, USA) und unsere eigene Reichweitenmessung, um zu verstehen, wie unsere Website genutzt wird. Technisch notwendige Speicherungen, etwa Ihre Cookie-Auswahl, erfolgen ohne Einwilligung. Ihre Wahl können Sie jederzeit über „Cookie-Einstellungen“ im Footer ändern. Datenschutzerklärung · Cookie-Richtlinie